昨天，2024世界智能产业博览会召开首日，市数据局在国家会展中心（天津）举办我市第一批行业高质量数据集发布活动，37家单位的80个行业高质量数据集公开发布。市科技局、市工业和信息化局、市国资委等市有关部门以及各区数据主管部门、行业数据集建设单位、人工智能产业重点企业、高校和科研机构等60多家单位参加。
高质量数据集是人工智能模型训练、推理和验证的关键基础，是按照特定标准，依次开展数据采集、数据清洗、数据归类和数据标注等智能化处理，并具备更新和维护机制的数据集合。我市首批发布的数据集涵盖工业制造、交通运输、科技创新、文化旅游、医疗健康、城市治理等12个重点领域，类型包含文本、图片、音频、视频等多种模态。其中，中国手语多模态数据集、“海河·谛听”言语多模态数据集、基于隐私计算技术政务流通数据集、恒达文博文旅·科普基础数据集等69个数据集为国内首次公开发布；14个数据集已应用支撑“数智本草”中医药研发大模型、“海河·谛听”言语交互大模型、“海河·尔语”聋人手语理解大模型、蜜度文修大模型等津产自研大模型，充分展示了我市在重点领域行业数据集建设的特色和成果。
此次发布的数据集数据应用价值高，智能汽车驾驶场景库数据集旨在建成国内分类最齐全、格式最标准、内容最丰富的面向智能网联汽车研发测试的场景数据库，已支持国际标准、国家标准制定。恒达文博文旅·科普基础数据集规模超300TB，具有5种以上模态数据，已支撑训练了基于ChatGLM等先进架构的大语言模型，并应用于图像识别、古文字识别、文物病害识别等专用模型。
市数据局相关负责人表示，下一步，天津市将依托产业、科技、人才等优势，持续支持鼓励行业企业、数商和社会资本，整合通用、政用、商用数据资源，加速提升数据供给能力，开发更多细分领域行业数据集。同时，开展数据标注基地建设，推进数据标注产业生态构建、能力提升和场景应用，推动打造国家级试点项目，加快行业高质量数据集发展，催生新产业、新模式。（津云新闻编辑孙畅）
